基于思维进化算法和BP神经网络的电动潜油柱塞泵故障诊断方法

被引：12

作者：

于德亮 ^{[1
,2
]}

李妍美 ^{[1
]}

丁宝 ^{[3
]}

任玉龙 ^{[1
]}

齐维贵 ^{[3
]}

机构：

[1] 哈尔滨理工大学电气与电子工程学院

[2] 大庆油田人才开发院

[3] 哈尔滨工业大学

来源：

信息与控制 | 2017年 / 46卷 / 06期

基金：

黑龙江省自然科学基金;

关键词：

电动潜油柱塞泵; 检泵周期; 模拟; 神经网络;

D O I：

10.13976/j.cnki.xk.2017.0698

中图分类号：

TE933.3 []; TP18 [人工智能理论];

学科分类号：

082002 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对电动潜油柱塞泵在生产过程中具有故障率高、检泵周期短的问题,提出了一种基于思维进化算法(MEA)和反向传播(BP)神经网络的电动潜油柱塞泵故障诊断方法,可有效地诊断出电动潜油柱塞泵发生的故障,从而延长检泵周期.通过搭建实验平台解决了电动潜油柱塞泵在实际生产过程中获取的历史故障数据少、故障数据类型不全面的问题.首先,在实验平台上模拟电动潜油柱塞泵的不同故障状态,利用井下多参数采集模块和井口仪表测量其运行参数.然后,从相关运行参数中提取出故障特征参数,构造故障特征向量及样本集;利用样本集训练和验证MEA-BP故障诊断模型.最后,使用从实际生产中的电动潜油柱塞泵获取的故障数据集进一步验证该故障诊断模型的有效性.实验结果表明:该故障诊断方法能够实现对电动潜油柱塞泵的故障诊断,避免其故障事故的发生,有效延长检泵周期.

引用

页码：698 / 705

页数：8

共 18 条

[1] 基于MEA-BP的微波加热褐煤温度预测 [J].